tensorflow代码学习
gaoshayo
这个作者很懒,什么都没留下…
展开
-
Call back代码注释(用于达到目标就停止训练,加快训练速度)
代码如下:import tensorflow as tf##下列代码为回调代码class myCallback(tf.keras.callbacks.Callback): def on_epoch_end(self, epoch, logs={}): if(logs.get('accuracy')>0.6): print("\nReached 60% accuracy so cancelling training!") self.model.stop_trai原创 2021-07-24 23:57:48 · 156 阅读 · 0 评论 -
误差分析方法
花点时间找出开发集,测试集内的错误标记的例子,假阳性和假阴性,找出不同类型错误的错误数量(统计不同错误类型数量占总数的百分比),分析出哪个部分算法优化最有效。如果标签Y是错误的,该如何处理和是时候值得花时间去处理深度学习算法对随机误差(random errors)是非常robust的,但是对系统性误差(systematic errors)就没那么robust了,需要修改标签随机误差:如果没用严重影响到你的正确率,就没必要修改或优化。就需要修正错误标签了而如果需要修正开集数据,则一些方针和原则需原创 2021-07-25 23:36:57 · 2542 阅读 · 1 评论